We have all heard the phrase “correlation does not equal causation.” What, then, does equal causation? This course aims to answer that question and more!
제공자:
A Crash Course in Causality: Inferring Causal Effects from Observational Data
펜실베이니아 대학교이 강좌에 대하여
최근 조회 36,838회
유연한 마감일
일정에 따라 마감일을 재설정합니다.
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
중급 단계
완료하는 데 약 18시간 필요
영어
자막: 프랑스어, 포르투갈어 (유럽), 러시아어, 영어, 스페인어
귀하가 습득할 기술
- Instrumental Variable
- Propensity Score Matching
- Causal Inference
- Causality
유연한 마감일
일정에 따라 마감일을 재설정합니다.
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
중급 단계
완료하는 데 약 18시간 필요
영어
자막: 프랑스어, 포르투갈어 (유럽), 러시아어, 영어, 스페인어
제공자:
펜실베이니아 대학교
The University of Pennsylvania (commonly referred to as Penn) is a private university, located in Philadelphia, Pennsylvania, United States. A member of the Ivy League, Penn is the fourth-oldest institution of higher education in the United States, and considers itself to be the first university in the United States with both undergraduate and graduate studies.
강의 계획표 - 이 강좌에서 배울 내용
완료하는 데 4시간 필요
Welcome and Introduction to Causal Effects
This module focuses on defining causal effects using potential outcomes. A key distinction is made between setting/manipulating values and conditioning on variables. Key causal identifying assumptions are also introduced.
완료하는 데 4시간 필요
8개 동영상 (총 128분)
완료하는 데 2시간 필요
Confounding and Directed Acyclic Graphs (DAGs)
This module introduces directed acyclic graphs. By understanding various rules about these graphs, learners can identify whether a set of variables is sufficient to control for confounding.
완료하는 데 2시간 필요
8개 동영상 (총 86분)
완료하는 데 5시간 필요
Matching and Propensity Scores
An overview of matching methods for estimating causal effects is presented, including matching directly on confounders and matching on the propensity score. The ideas are illustrated with data analysis examples in R.
완료하는 데 5시간 필요
12개 동영상 (총 171분)
완료하는 데 3시간 필요
Inverse Probability of Treatment Weighting (IPTW)
Inverse probability of treatment weighting, as a method to estimate causal effects, is introduced. The ideas are illustrated with an IPTW data analysis in R.
완료하는 데 3시간 필요
9개 동영상 (총 119분)
검토
- 5 stars77.25%
- 4 stars18.46%
- 3 stars2.25%
- 2 stars0.90%
- 1 star1.12%
A CRASH COURSE IN CAUSALITY: INFERRING CAUSAL EFFECTS FROM OBSERVATIONAL DATA의 최상위 리뷰
AG 제공2021년 2월 21일
A great start for those starting to explore causal inference. The somewhat dry delivery of the lectures is fully compensated by how clear and informative they are.
PD 제공2018년 7월 14일
Excellent course. Could use a small restructuring, as I had to go through the material more than once, but otherwise, very good material and presentation.
YZ 제공2021년 12월 14일
It will be better to give reviews of related applications in specific AI areas (e.g, computer vision, NLP, etc.) at the end of each of the sections of the lesson.
AA 제공2018년 5월 15일
This course is really fantastic for all levels. Very thorough explanations and helpful illustrations. Many thanks for putting this together!
자주 묻는 질문
강의 및 과제를 언제 이용할 수 있게 되나요?
이 수료증을 구매하면 무엇을 이용할 수 있나요?
재정 지원을 받을 수 있나요?
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
